스탠퍼드대 연구진, 우주선 도킹을 위한 AI '월드 모델' 개발

• 스탠퍼드 대학교 연구진이 국제우주정거장(ISS) 도킹 자동화를 위해 '월드 모델(Out-of-this-World-Model, OWM)' 기반의 AI를 개발함.
• 기존 알고리즘의 한계를 극복하고, 시뮬레이션 환경에서 스스로 물리 법칙을 학습해 복잡한 도킹 기동을 수행함.
• GPU 가속 라이브러리인 'AstroJAX'를 활용해 학습 효율을 획기적으로 개선함.

기술적 배경 및 한계

• 기존의 유도·항법·제어(GNC) 알고리즘과 확장 칼만 필터(Extended Kalman Filter)는 햇빛 반사나 그림자 등 시각적 변수에 취약함.
• 기존 강화 학습(RL) 모델은 특정 환경에 고정된 규칙에만 반응할 뿐, 예기치 못한 상황이나 새로운 도킹 포트 설정에 유연하게 대처하지 못함.

월드 모델의 작동 방식

• 월드 모델은 명시적인 물리 공식이 아닌, 환경과의 상호작용을 통해 물리 법칙을 직접 학습함.
• 야구 외야수가 공의 낙하지점을 본능적으로 예측하듯, AI가 미래 상황을 수십 가지 시나리오로 '꿈꾸며' 확률이 가장 높은 경로를 선택해 도킹을 시도함.

연구 성과 및 과제

• 학습 효율: OWM은 50만 번의 반복만으로 도킹을 마스터했으나, 기존 RL 모델은 2,500만 번이 필요했음.
• 유연성: 새로운 도킹 포트나 장애물이 있는 상황에서도 기존 알고리즘보다 더 나은 대처 능력을 보임.
• 성과 지표: ISS 도킹 성공률 53% 기록(기존 RL 모델 29% 대비 대폭 향상).
• 향후 과제: 근접 조작 시 충돌 방지 페널티 설정 최적화 등 정밀도 개선 필요.